Intelligence artificielle : opportunités et enjeux en entreprise
Programme détaillé
Dans un monde en rapide et constante évolution, où les avancées technologiques redéfinissent les métiers et les pratiques, comprendre les potentiels de l’intelligence artificielle et ses enjeux est impératif pour les décideurs. Ce séminaire leur propose une plongée dans les fondements de l’IA et retrace son évolution jusqu’à ses applications les plus récentes. Il met en lumière les formidables opportunités qu’elle offre aux entreprises pour automatiser les traitements et améliorer la prise de décision tout en explorant les défis réglementaires, éthiques et environnementaux auxquels elle nous confronte.
Connaître les concepts de base de l’IA
- L’IA, des hivers aux printemps
- Les principales architectures de réseaux de neurones, en bref
- Un changement de paradigme avec les Large Language Models
Exploiter les potentiels de l’IA en entreprise
- Les grandes réussites opérationnelles de l’IA
- Améliorer la prise de décision en entreprise
- Automatiser des traitements grâce aux modèles génératifs
Appréhender les enjeux de l’IA
- Les données et moyens de calculs
- Le compromis performance / sobriété
- Des questions réglementaires et éthiques
- Une conduite du changement indispensable
Échanges et discussions avec les intervenants autour d’un apéritif
Public visé
Management, directeur de la stratégie, directeurs de projets
Intelligence artificielle en entreprise : ce que mesurent les études sur les gains de productivité
L’expression « intelligence artificielle » apparaît en août 1955 dans la proposition d’un séminaire d’été tenu l’année suivante au Dartmouth College, signée notamment par John McCarthy et Marvin Minsky. Depuis, l’IA a connu deux « hivers », des périodes où les promesses non tenues ont tari les financements. Avant de décider où l’utiliser, il est utile de savoir ce que l’on sait aujourd’hui de ses effets réels.
Deux hivers, deux leçons
En 1973, le rapport Lighthill, commandé par le gouvernement britannique, conclut que l’IA n’a pas tenu ses promesses, et les crédits de recherche britanniques sont fortement réduits. Les années 1980 voient le succès des systèmes experts, qui codent sous forme de règles le savoir de spécialistes : XCON, en production chez Digital Equipment Corporation dès 1980, configure les commandes d’ordinateurs. Coûteux à maintenir, incapables de sortir de leurs règles, ils déçoivent, et l’effondrement du marché des machines spécialisées en 1987 ouvre un second hiver. Le renouveau vient de l’apprentissage à partir des données, puis des réseaux de neurones profonds et des grands modèles de langage.
Des gains réels, inégalement répartis
Les premières études de terrain sur l’IA générative donnent des ordres de grandeur. Dans un centre d’assistance clientèle américain, Erik Brynjolfsson, Danielle Li et Lindsey Raymond (NBER, avril 2023) mesurent une hausse de 14 % du nombre de demandes résolues par heure grâce à un assistant conversationnel : +34 % pour les agents les moins expérimentés, presque rien pour les plus aguerris. L’outil diffuse en quelque sorte les pratiques des meilleurs.
Une frontière irrégulière
En septembre 2023, une expérience menée avec 758 consultants du Boston Consulting Group par des chercheurs de Harvard et d’autres universités nuance ce tableau. Sur des tâches à la portée de l’IA, les consultants qui l’utilisent réalisent 12,2 % de tâches en plus, 25,1 % plus vite, avec une qualité jugée supérieure de plus de 40 %. Sur une tâche choisie juste au-delà de ses capacités, ils ont en revanche 19 points de pourcentage de chances en moins de trouver la bonne réponse que ceux qui travaillent sans IA. Les auteurs parlent d’une « frontière technologique irrégulière » : la difficulté n’est pas d’adopter l’IA, mais de savoir pour quelles tâches lui faire confiance.
Un coût énergétique qui se chiffre
Le compromis entre performance et sobriété n’est plus théorique. Selon l’Agence internationale de l’énergie (rapport Energy and AI, avril 2025), les centres de données ont consommé environ 415 TWh en 2024, près de 1,5 % de l’électricité mondiale, et pourraient atteindre environ 945 TWh en 2030, sous l’effet notamment de l’IA.
Le cadre réglementaire, dont le règlement européen sur l’IA, est présenté dans Enjeux éthiques et juridiques de la donnée ; le fonctionnement des grands modèles de langage, dans Comprendre et adapter un Large Language Model (LLM).
